Un modelo de red neuronal profunda para la transferencia de calor en el flujo de nanofluido híbrido Darcy-Forchheimer...

Área de la Ciencia:

• La Magnetohidrodinámica (MHD, por sus siglas en inglés)
• La transferencia de calor de los nanofluidos.
• Dinámica de fluidos no newtoniana La dinámica de fluidos no newtoniana.

Sus antecedentes:

• Los intercambiadores de calor industriales requieren una gestión térmica eficiente utilizando fluidos estables como el aceite de motor.
• Los fluidos no newtonianos, como los fluidos de tipo Casson, son comunes en aplicaciones industriales.
• Los nanofluidos híbridos ofrecen propiedades térmicas mejoradas en comparación con los fluidos base.

Objetivo del estudio:

• Para investigar el flujo MHD y la transferencia de calor/masa de un nanofluido híbrido de tipo Casson (aceite de motor con nanopartículas de Al2O3-TiO2).
• Para incorporar los efectos de la radiación térmica, los medios porosos de Darcy-Forchheimer, el campo magnético y la energía de activación.
• Desarrollar y validar una red neuronal Morlet Wavelet optimizada con optimización de enjambres de partículas y algoritmo de red neuronal (MWNN-PSO-NNA) para predecir el comportamiento de fluidos.

Principales métodos:

• Las ecuaciones de gobierno se transformaron en ODE utilizando transformaciones de similitud.
• Se obtuvieron soluciones numéricas utilizando el solucionador Bvp4c.
• Las soluciones Bvp4c se utilizaron para entrenar el modelo MWNN-PSO-NNA para la predicción.

Principales resultados:

• El aumento del campo magnético disminuyó la velocidad; la radiación térmica aumentó la temperatura (15-25%).
• Una mayor energía de activación mejora la concentración de especies y la respuesta térmica (~30%).
• El nanofluido híbrido mostró un rendimiento térmico superior; MWNN-PSO-NNA logró una precisión >99% con un tiempo de cálculo reducido en un 45%.

Conclusiones:

• El marco MWNN-PSO-NNA predice con precisión el comportamiento complejo de los nanofluidos híbridos no newtonianos.
• La formulación de nanofluido híbrido es prometedora para la lubricación industrial, el control térmico y los sistemas de refrigeración.
• Este estudio es pionero en la integración del nanofluido híbrido Casson basado en aceite de motor con efectos Darcy-Forchheimer y un marco optimizado MWNN-PSO-NNA.